资源简介
这是一篇来自土耳其中东技术大学的2010年的硕士论文,主要讲述了在推荐系统中应用SVD方法。该论文提出两个创新点:第一个是先将User与Item分类,然后根据分类将矩阵分成相应的“子矩阵”,对这些矩阵进行相应的SVD,实验表明这样做不仅会提高准确率还会降低计算复杂度;另一个是向二维矩阵中引入Tags,使其成为三维矩阵,再通过矩阵分解成、、子矩阵,最后再进行SVD,实验表明引入Tags会提高推荐性能。
- 上一篇:在线投票的系统设计与实现
- 下一篇:pscad仿真 光伏
相关资源
- 论文研究 - 基于协同过滤和人工神经
- 推荐系统 [奥詹尼士,奥赞克,奥弗里
- MapReduce基于物品的协同过滤算法实现
- DWT-SVD数字水印
- 电影推荐系统数据集地址
- 基于内容的推荐系统,毕业论文
- 基于Spark大数据电商推荐系统源码
- 互联网+药店推荐系统的设计与实现
- 推荐系统手册(英文版)
- 图数据库的电影推荐系统的设计与实
- 推荐系统基于用户和Item的协同过滤算
- myeclipse下基于协同过滤算法的电影推
- 美国餐饮推荐系统数据集
- 《基于图学习和推理的推荐系统》.
- 稀疏表示在图像处理中的应用
- 基于物品和用户的推荐系统资料
- 基于内容的推荐系统的源码和论文
- 高考志愿推荐系统
- 基于协同过滤算法的电影推荐系统
- 2012最新推荐系统综述
- 美团点评旅游推荐系统的演进.pdf
- 基于hadoop商品推荐系统课程设计
- Yelp数据集
- 音乐推荐系统
- Web毕业设计《基于Web的图书推荐系统
- 奇异值分解及应用
- 基于稀疏表示的图像去噪算法
- 小说网站推荐系统分享
- 计算广告 完整高清版 pdf
- 基于用户的SparkALS推荐系统和数据源
评论
共有 条评论